* 해당 포스트는 기초적인 딥러닝을 다루므로, 전문적인 지식을 탐구하기엔 부족할 수 있습니다.
또한, 전자공학 또는 컴퓨터공학에 사용되는 기초적 배경지식을 전제로 합니다.
질문과 비판, 오류 정정 등 모든 댓글 환영합니다.
오늘은 머신러닝과 딥러닝에 관해 간단하고, 재밌게 알아보는 시간을 가지겠다.
동적 컴퓨팅 환경에 내장된 알고리즘을 생성하고 적용하여 인간의 지능을 모방하는 기초적인 지능"이라는 뜻을 가지는 인공지능을 가장 큰 틀로 생각하였을 때, 머신러닝이 중간 틀, 딥러닝이 작은 틀로 들어간다.
즉, 딥러닝 ⊂ 머신러닝 ⊂ 인공지능으로 생각할 수 있다.
우리가 흔히 접할 수 있는 유튜브 추천 알고리즘, 알파고같은 모델들을 모두 인공지능으로 볼 수 있는데, 그럼 어떤 것이 머신 러닝이고, 어떤 것이 딥러닝일까?
머신러닝
어떤 문제에 대한 풀이과정(ex.수식을 계산하고, 결과를 도출하는 과정)의 가이드라인을 사람이 정해주고, 나머지는 컴퓨터가 알아서 풀이를 한다.
즉, 컴퓨터가 직접 학습한다.
이러한 머신러닝은 지도학습(supervised learning), 비지도학습(unsupervised learning), 강화학습(reinforcement learning)으로 카테고리가 나뉘는데,
지도학습
지도학습은 정답, 즉 원하는 방향을 미리 알려주고, 그 방향으로 컴퓨터가 정답을 도출할 수 있도록 학습시키는 것을 말한다.
ex) 개, 고양이 중 정답 맞추기
옆의 그림들이 고양이(정답)이라는 것을 알려주고, 컴퓨터가 학습하여 오른쪽의 그림이 고양이(정답)라는 결과를 도출할 수 있도록 학습하는 것이다.
비지도학습
비지도학습은 정답을 알려주지 않고, 컴퓨터가 알아서 학습하여 의견을 도출할 수 있도록 학습하는 것이다.
ex) 유튜브 추천 알고리즘, 검색 추천 알고리즘
강화학습
강화학습은 학습을 여러번 반복해 인간이 원하는 기준에 도달하도록 피드백한다.
벽돌깨기의 경우 하나의 벽돌을 깰 때 1점을 주고, 최대한 많은 점수를 획득하도록 컴퓨터를 학습시킨다.
ex) 벽돌깨기, 바둑 게임 AI 모델
딥러닝
어떤 문제에 대한 풀이과정(ex. 수식을 계산하고, 결과를 도출하는 과정)을 사람이 아닌 컴퓨터가 알아서 풀이를 한다.
즉, 컴퓨터가 모든걸 직접 학습한다.
"??? 뭐가 다르냐??? 아무것도 달라진게 없는데?"
맞다. 달라진건 별로 없다. 하지만, 컴퓨터가 직접 학습을 하는 과정에서 '사람의 가이드라인이 불필요하다'라는 점이 있다.
이는 딥러닝에 사용되는 '인공신경망'이 사람의 가이드라인을 대체한다.
EX. 컴퓨터가 사과를 인식하는 과정
대표적인 예로, 사과를 인식하는 것을 생각해보자.
사람은 어떻게 사과를 인식할까?
물체의 색깔, 또는 질감, 형태 등으로 사과를 인식할 것이다.
하지만, 컴퓨터는 어떻게 사과를 인식할까?
컴퓨터는 이런 물체의 색깔, 질감, 형태 등 모든 것을 단지 0~255의 숫자로 표현하므로(흑백으로 가정), 이 물체가 대체 무슨 형태를 가지고 있는지 알 수가 없다.
머신러닝은, 이러한 컴퓨터의 한계를 극복하기 위해 사람이 직접 픽셀값으로 표현되는 사과의 색깔, 사과의 질감, 사과의 형태 등 가이드라인을 정의해주고 컴퓨터는 이 가이드라인을 따라 학습한다.
이러한 가이드라인은 정의하는 사람에 따라 결과가 달라지고, 많은 귀차니즘을 동반한다.
그래서, 과학자들은 가이드라인 없이 '사람이 생각하는 것처럼 컴퓨터가 알아서 생각하고, 학습할 수 있는 방법이 없을까? 그냥 사람 뇌처럼 뉴런끼리 이어져 있고, 복잡하게 계산하도록 만들면 좀 더 정교하게 되지 않을까?' 라고 생각했고, 그 결과 '인공신경망'이라는 모델을 생각하기에 이른다.
뇌의 뉴런들이 이어져 있는 사람의 신경망과 비슷하게, 인공신경망을 만들어 컴퓨터가 알아서 생각하고 ,학습할 수 있게 만든 것이다.
이미지의 경우, Input Layer에 모든 픽셀값을 할당해주고, Hidden layer에서 픽셀값에 해당하는 정보들, 즉 우리가 원하는 사과의 색깔, 사과의 질감, 사과의 형태 등을 학습하여, Output layer로 "사과"라는 정답을 도출한다.
다음 시간에는 인공신경망에 대해 좀 더 자세하게 공부하는 시간을 가지겠다.
keyword) 머신러닝, 딥러닝, 지도학습, 비지도학습, 강화학습, 인공신경망
'딥러닝 > 기초 이론' 카테고리의 다른 글
| #4. 손실함수(Loss Function) (2) | 2024.02.16 |
|---|---|
| #3. 활성화 함수(ACTIVATION FUNCTION) (3) | 2023.10.10 |
| #2. 인공신경망 (2) | 2023.10.10 |
| #0. INTRO (0) | 2023.09.19 |
